Codex 做文生图调度员：构建可审计的图像生成工作流

很多人误以为 Codex 能"直接画图"，但实际上 Codex 是纯文本模型，不具备图像生成能力。真正的高阶玩法是：把 Codex 当作调度中枢，串联外部图像服务，构建一条可审计、可复用的文生图流水线。

这篇文章从零开始，教你搭建这套系统。

一、核心分工：谁负责什么

关键原则：Codex 不碰图像数据，只管"说人话"和"下命令"。各组件通过标准 HTTP 通信，任意一环故障都不会拖垮整条流水线。

二、Step 1：构建 Prompt 重写 Skill

Codex 的核心价值是把模糊中文需求转化为精准、模型友好的英文 prompt。示例：

• 用户输入："做个微信公众号封面图，主题是'AI 编程入门'，要有机器人和代码符号，科技感，蓝紫色调"
• Codex 输出（JSON）：

{
  "prompt": "A high-resolution WeChat official account cover image, featuring a friendly humanoid robot holding a glowing laptop with visible Python code on screen, surrounded by floating binary digits and circuit board patterns, cyberpunk aesthetic, dominant colors: electric blue and deep purple, clean background, 16:9 aspect ratio",
  "model": "dall-e-3",
  "size": "1792x1024",
  "quality": "hd",
  "style": "vivid"
}
复制

System Prompt 模板（可直接复用）：

你是一个专业的 AI 图像生成提示词工程师，专精于将中文设计需求转化为 DALL·E 3 / SDXL 兼容的英文 prompt。请严格遵守以下规则：
1. 输出必须为合法 JSON 对象，字段仅限：prompt, model, size, quality, style；
2. prompt 字段必须包含：主体描述 + 动作/状态 + 环境/背景 + 风格关键词 + 色彩限定 + 构图比例；
3. 禁止使用模糊词汇（如"好看""高级""简约"），必须替换为具体视觉元素（如"无衬线字体""浅灰渐变背景""微距镜头"）；
4. 若用户未指定尺寸，默认 size="1024x1024"；若未指定模型，默认 model="dall-e-3"；
5. 若需求含敏感内容（暴力、政治、成人），立即返回空 prompt 并设置 error="content_policy_violation"。
现在请处理以下用户输入：
复制

💡 实测建议：用 code-davinci-002 模型比 gpt-3.5-turbo 对 JSON 格式约束更强，极少出现字段缺失或引号错乱。

三、Step 2：中间件服务（FastAPI 示例）

中间件是工作流健壮性的核心，主要解决三个问题：缓存穿透、参数污染、错误归因。

# image_gateway.py
from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
import httpx, hashlib, sqlite3, base64
from pathlib import Path

app = FastAPI()
DB_PATH = Path("image_cache.db")

class ImageRequest(BaseModel):
    prompt: str
    model: str = "dall-e-3"
    size: str = "1024x1024"

@app.post("/generate")
async def generate_image(req: ImageRequest):
    # 生成 cache key
    cache_key = hashlib.sha256(
        f"{req.prompt}|{req.model}|{req.size}".encode()
    ).hexdigest()[:16]

    # 检查缓存
    conn = sqlite3.connect(DB_PATH)
    cursor = conn.cursor()
    cursor.execute("SELECT image_path FROM cache WHERE key = ?", (cache_key,))
    cached = cursor.fetchone()
    if cached:
        return {"status": "cached", "image_url": f"/static/{cached[0]}"}

    # 调用 DALL·E 3 API
    try:
        async with httpx.AsyncClient() as client:
            resp = await client.post(
                "https://api.openai.com/v1/images/generations",
                headers={"Authorization": f"Bearer {OPENAI_API_KEY}"},
                json={"prompt": req.prompt, "model": req.model,
                      "size": req.size, "quality": "hd"},
                timeout=60.0
            )
            if resp.status_code != 200:
                raise HTTPException(status_code=resp.status_code)

            image_data = resp.json()["data"][0]["b64_json"]
            image_path = f"{cache_key}.png"
            with open(f"static/{image_path}", "wb") as f:
                f.write(base64.b64decode(image_data))
            cursor.execute(
                "INSERT INTO cache (key, image_path) VALUES (?, ?)",
                (cache_key, image_path)
            )
            conn.commit()
            return {"status": "generated", "image_url": f"/static/{image_path}"}
    except Exception as e:
        raise HTTPException(status_code=500, detail=str(e))
复制

四、高频踩坑与修复

五、选型决策：什么时候该用这套方案

来源：编程知识《Codex不生成图像：构建可审计的文生图调度工作流》，hqwc.cn，2026-09-21

资料最后核对日期：2026-09-21 · 内容整理自 CodexGuide 社区公开教程